Web site satisfaction and purchase intentions
Notice bibliographique
Résumé
Purpose A main focus in recent online consumer research has been on context specific trust, risk, and online buying experience. Despite the importance, their individual level “equivalents” – trust disposition, risk aversion, and technology readiness – have received limited attention. This research attempts to fill that gap by focussing on these crucial personality traits. Design/methodology/approach This research employs a survey‐based method to test a theoretically grounded set of hypotheses. The measurement model is tested using SEM and the hypotheses are tested using regression techniques. Findings The personality characteristics are found to have significant moderating effects on online purchase intentions. Interestingly, provided the consumers are satisfied, risk aversion is found to increase the likelihood of purchase. Moreover, while technology readiness increases the likelihood of online purchase, dispositional trust is found not to have a similar effect. Research limitations/implications Significant full and quasi moderator effects of three hitherto untested personality traits on online purchase behaviour are found. Results show that risk aversion, trust disposition, and technology readiness are fundamental to online consumer behaviour literature. Practical implications The results suggest that to be successful, relatively unknown web‐based service providers need to go beyond matching their large competitor and need to offer unique web sites to browsers. Results also indicate that personality traits pose both significant challenges as well as unexpected opportunities to online service providers in identifying inherently more loyal customers. Originality/value The paper identifies a set of hither to untested personality traits that have fundamental relevance to online consumer behaviour. It also offers practical recommendations to relatively unknown online service providers on how to compete with their better known competitors. Results are generalisable to online service providers in a number of industries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».